Professional Documents
Culture Documents
Grupos de investigacin
Kishurim, Tecnice, Tecnimat,
Griduc, Gidsaw, Cognitek
El modelamiento matemtico
en la formacin del ingeniero
El modelamiento matemtico
en la formacin del ingeniero
Grupos de Investigacin
Kishurim
Tecnice
Tecnimat
Griduc
Gidsaw
Cognitek
Editor
Luis Facundo Maldonado Granados
Una publicacin de la Universidad Central, Universitaria de Investi acin y Desarrollo, Univer-
sidad Pedaggica Nacional, Universidad Hebrea de Jerusaln, con el auspicio del Ministerio de
Educacin Nacional de Colombia (Contrato IF007-2011).
Produccin editorial
Departamento de Comunicacin y Publicaciones
Direccin: Edna Roco Rivera P.
Coordinacin editorial: Hctor Sanabria R. Publicado bajo licencia
Diseo y diagramacin: Claudia Camargo Creative Commons 4.0
Correccin de textos: mar Len C. Internacional
Introduccin .... 9
Captulo 1
Visin del modelamiento a partir de la historia de los objetos 19
Introduccin .... 19
Modelamiento en la civilizacin antigua .. 20
Modelamiento en Grecia y Roma ... 22
Modelamiento en el Renacimiento ... 24
Modelamiento en la sociedad industrial .. 28
Modelamiento en la sociedad de la informacin .. 28
Conclusin .... 30
Referencias .... 31
Captulo 2
Validacin de modelos desde la perspectiva epistemolgica 33
Sntesis ..... 33
Introduccin .... 33
Conocimiento desde el modelado y simulacin .. 36
Validacin en modelado y simulacin... 46
Referencias .... 52
Captulo 3
El modelamiento en economa ... 55
Introduccin .... 55
Una cuestin de importancia ... 56
El papel de los modelos en la ciencia econmica .. 58
Qu es lo que se simplifica? ... 59
Elementos propios, a veces comparables .. 60
Modelos no necesariamente dinmicos .. 61
Mientras no cambien otras cosas ... 63
Aplicabilidad general, versatilidad ... 64
Tipos de modelos .... 65
Antecedentes econmicos de la clasificacin adoptada . 65
Modelos como fuente y resultado de inspiracin .. 67
Uso, valor y limitaciones de los modelos .. 68
Uso y valor de los modelos ... 69
Limitaciones o riesgos en el uso de modelos.. 70
Conclusiones, nfasis y prioridades ... 70
Referencias .... 71
Captulo 4
La espiral en la formacin de la competencia de modelado . 75
Introduccin ........ 75
La competencia de modelamiento ...... 79
Visin cognitiva del modelamiento ...... 81
Formas de representacin y desarrollo de la competencia de modelamiento 81
Conclusiones........ 95
Referencias ........ 95
Captulo 5
La representacin verbal en el desarrollo de la competencia
de modelamiento matemtico ...... 97
Introduccin ........ 97
Antecedentes y marco conceptual ...... 98
Metodologa ........ 101
Referencias ........ 113
Captulo 6
La representacin algebraica en la formacin de competencias
de modelamiento matemtico ...... 115
Introduccin ........ 115
Antecedentes........ 115
Metodologa ........ 118
Conclusiones........ 127
Referencias ........ 129
Captulo 7
La diagramacin en el desarrollo de la competencia
de modelado matemtico ...... 131
Introduccin ........ 131
Antecedentes........ 132
Enfoque metodolgico ....... 136
Resultados ........ 139
Discusin y conclusiones ...... 143
Recomendaciones y trabajo futuro ...... 144
Referencias ........ 145
Apndice ......... 147
Captulo 8
Representacin computacional y desarrollo de la competencia
de modelamiento ........ 149
Introduccin ........ 149
Antecedentes........ 150
Marco conceptual ........ 156
Metodologa ........ 158
Anlisis de datos y resultados ...... 163
Anlisis particular del caso Modelamiento y Simulacin .. 168
Conclusiones........ 169
Sugerencias ........ 169
Referencias ........ 170
Captulo 9
Comunidad web 2.0 para el desarrollo de competencias
matemticas ........ 173
Introduccin ........ 173
Antecedentes........ 174
Propuesta de comunidad web 2.0 ...... 177
Pilotaje de la comunidad 2.0 en el proyecto Red de Modelamiento
y Representacin Formal en Matemticas .... 182
Conclusines........ 193
Referencias ........ 194
Conclusiones........ 197
Introduccin*
9
Introduccin
(Kolodner y Leak, 1997). Dos problemas que han motivado a que la matemtica
desarrolle modelos en interaccin con la inteligencia artificial y otras disciplinas
han sido la complejidad y la incertidumbre. Comprender y entender los procesos
del mundo real a partir de la interaccin entre mltiples componentes y prede-
cir lo que puede pasar es una poderosa motivacin para el desarrollo del conoci-
miento en la sociedad contempornea. En este proceso, la matemtica incorpora
tanto los desarrollos algebraicos como la representacin grfica: por ejemplo,
los desarrollos de la teora de grafos se unen a los de la teora de la probabilidad
para el desarrollo de algoritmos eficientes, de propsito general ( Jordan, 1999).
10
Luis F. Maldonado G.
11
Introduccin
12
Luis F. Maldonado G.
13
Introduccin
14
Luis F. Maldonado G.
Modelo Representacin
computacional diagramtica
Representa en lenguaje de Representa grficamente
computador la solucin y el proceso lgico de solu-
visualiza posibles escenarios cin del problema. Muestra la
como modificaciones posibles estructura del proceso de solucin.
en el modelo construido.
Figura 3. Sistema de representacin mltiple para la formacin de la competencia de modelamiento en cursos de ma-
temticas para ingeniera.
15
Introduccin
Referencias
Blomhj, M. y Jensen, T. H. (2003). Developing Mathematical Modelling
Competence: Conceptual Clarification and Educational Planning.
Teaching Mathematics and its Applications, 22(3): 123-139.
Blum, W. y Borromeo, R. (2009). Mathematical Modelling: Can It Be Taught
And Learnt? Journal of Mathematical Modelling and Application, 1(1):
45-58.
BritoVallina, M. L., AlemnRomero, I., FragaGuerra, E., ParraGarca,
J. L. y Ariasde Tapia, R. I. (2011, mayo-agosto). Papel de la modela-
cin matemtica en la formacin de los ingenieros. Ingeniera Mecni-
ca,14(2): 129-139
Brwka, G., Dix, J. y Konolige, K. (1997). Nonomonotonic Reasoning: An over-
view. Stanford, CA: CSLI Publications.
Erdogan, A. (2010). Primary Teacher Education Students Ability to Use
Functions as Modeling Tools. Procedia Social and Behavioral Sciences, 2:
4518-4522.
Galbraith, P. y Stillman, G. (2006). A Framework for Identifying Student
Blockages During Transitions in the Modelling Process. ZDM, 38(2):
143-162.
Hoffman, R., Feltovich, P. J. y Ford, K. M. (1997). A General Framework for
Conceiving of Expertise and Expert Systems in Context. En Feltovich,
P. J., Ford, K. M. y Hoffman, R. (eds), Expertice in Context. Merlo Park,
CA: The MIT Press.
Holland, J. H., Holyoak, K. J., Nisbett, R. E. y Thagard, P. R. (1986). Induction:
Processes of Inference, Learning, and Discovery. Cambridge, Massachusse-
tts: The MIT Press.
16
Luis F. Maldonado G.
Wang, H., Johnson, T. R. y Sun, Y. (2005). Object Location Memory: The In-
terplay of Multiple Representations.Memory & Cognition,33(7): 1147-
1159.
17
Captulo 1
Visin del modelamiento
a partir de la historia de los objetos
Introduccin
E ste captulo propone una reflexin a partir de una revisin de literatura so-
bre los modelos generados por el pensamiento de los inventores expuesto
en artefactos diseados de manera emprica; especficamente se hace referen-
cia a las mquinas diseadas para suplir las necesidades de los pueblos desde
pocas remotas; adems, se interpretan ejemplos de los desarrollos tecnolgi-
cos alcanzados en diferentes pocas basados en principios cognitivos del desa-
rrollo del pensamiento.
El texto basa su construccin en los planteamientos de Jonassen (2006) res-
pecto del cambio conceptual y en la postura terica de la espiral del modela-
miento planteada, con un enfoque constructivista, por Maldonado (2013); esta
postura busca relacionar los modelos internos de las personas con los modelos
externos en una dinmica recproca para construir los modelos conceptuales.
De acuerdo con Nersessian (1999), se pensara que unos regulan a los otros en
una dinmica que forma la espiral del cambio conceptual. Al observar la evo-
lucin histrica de los artefactos, especficamente la evolucin de las mquinas,
se pueden concebir diferentes estados que han venido transformando el com-
portamiento de las personas. Los estados estn determinados por las realiza-
ciones de la gente, su evolucin se plantea en una espiral de conocimiento que
concentra su objeto de desarrollo en un modelo conceptual. El modelo con-
ceptual como ncleo de la espiral acta como transformador de las construc-
19
Visin del modelamiento a partir de la historia de los objetos
ciones sociales que van surgiendo en cada poca. En este sentido, la evolucin
del pensamiento del hombre se manifiesta en su capacidad para generar nuevas
representaciones como referentes conceptuales que van generando soluciones a
los problemas de la sociedad.
La invencin de mquinas es un referente para mostrar los modelos con-
ceptuales representados en descripciones textuales y grficas, diagramas, expre-
siones matemticas y otros tipos de representaciones. De acuerdo con Lesh y
Doerr (2003), los modelos son sistemas conceptuales consistentes de elemen-
tos, relaciones, operaciones e interacciones gobernadas por reglas que se expre-
san a travs de un sistema de representacin externo (p. 14).
Segn Jonassen (2006), existen dos tipos de modelos: mentales, en la mente
de las personas, y conceptuales, que representan a los primeros y se manifies-
tan mediante expresiones algebraicas, diagramas, programas de computador,
etc. Al hacer referencia a los sistemas mecnicos, el mental est relacionado
con la habilidad para comprender cmo trabaja una mquina, cules son sus
componentes principales o por qu funciona incorrectamente (Hegarty, Just y
Morrison, 1988). El resultado surge con la construccin de un modelo externo
donde el modelador puede describir los componentes de la mquina, sus carac-
tersticas funcionales y la interaccin o interrelacin entre ellos. En esta lgi-
ca, adquiere sentido la evolucin del modelo mental en un modelo conceptual
desde una mirada holstica, permitiendo la abstraccin de conocimiento de los
inventores representado en sus modelos.
Este captulo hace un recorrido histrico que inicia en la antigua Mesopo-
tamia, Grecia y Roma, pasando por la Edad Media y el Renacimiento, hasta la
Modernidad con la revolucin industrial y la Posmodernidad con el desarrollo
de la informtica, para mostrar por medio de las representaciones artsticas y
literarias la evolucin de las diferentes formas de modelamiento que proyecta-
ron la construccin de las mquinas.
20
Luis B. Sanabria R.
F1.x1 = F2.x2
donde: F1: fuerza ejercida por el contrapeso
F2: fuerza ejercida por el peso del agua
x1, x2: distancias al punto de apoyo
F = m.g
m1.g.x1 = m2.g.x2
m1.x1 = m2.x2 MODELO MATEMTICO
m1 = m2.x2/x1 masa del contrapeso
m2 = m1.x1/x2 masa de la bolsa de agua
21
Visin del modelamiento a partir de la historia de los objetos
22
Luis B. Sanabria R.
23
Visin del modelamiento a partir de la historia de los objetos
las norias (que eran pisoteadas por hombres para elevar cargas a las cspides de
los templos), los escorpiones, las catapultas y las ballestas utilizadas en la guerra.
Los modelos mentales de los pensadores romanos se proyectan en el diseo
de modelos espaciales representados en planos y perspectivas acompaados de
explicaciones textuales. Conciben la construccin del modelo como un elemento
funcional acompaado de conceptos terico-prcticos, descritos en los textos y
representados en las grficas. Al respecto, Clini (2001) presenta un anlisis crti-
co de los dibujos y textos de la Baslica Fano descrita por Vitrubius en su tratado
De Architectura; a su vez, Ceccarelli (2009) documenta una de las mquinas ms
importantes descrita por Vitrubius, la rota magna o gra noria (figura 5a).
(a) (b)
Figura 5. a. Ilustracin de la rota magna (tomada de http:// en. wikipedia.Org/wiki/Tread-
wheelcrane). b. Ox-hoist de Brunelleschi (dibujo de M. Taccola, tomado de King, R. 2001,
Brunelleschis Domo, p. 61).
Modelamiento en el Renacimiento
El tercer escenario histrico hace referencia al Renacimiento, a partir del siglo
XV. Se destacan grandes artistas e ingenieros italianos como Brunelleschi y Da
Vinci. El primero desarroll la arquitectura y aport soluciones a problemas de
elevacin de cargas a alturas inimaginables para la poca. Sus mecanismos fueron
utilizados para subir materiales a los domos y naves de las iglesias. Estas mquinas
eran gras sofisticadas que elevaban grandes pesos. Da Vinci se distingui por sus
trabajos remarcados en dibujos y bocetos (Atkins, 2008).
Los modelos conceptuales se muestran en planos y proyecciones que ofre-
cen soluciones a problemas de su contexto. King (2001) relata el origen de las
mquinas ms celebres de Brunelleschi. Una de las mquinas que sobresale
es la ox-hoist o gra de bueyes, construida en 1421 y utilizada en la cons-
24
Luis B. Sanabria R.
25
Visin del modelamiento a partir de la historia de los objetos
(a) (b)
Figura 8. Volante con efecto centrfugo y catapulta de doble pndulo nolineal de Leonardo da Vinci (Ilustracin tomada de
F.C. Moon, History of Dinamics of Machines and Mechanisms from Leonardo To Timoshenko, p.5).
26
Luis B. Sanabria R.
(a) (b)
Figura 9. a. Resonancia del pndulo para accionar una mquina de aserradero (Ilustracin tomada de F.C. Moon, His-
tory of Dinamics of Machines and Mechanisms from Leonardo ToTimoshenko, p.6, 2009). b. Bomba para elevar el agua
de Raminelli (Ilustracin tomada de H. Kerle, B. Corves, K. Mauersberger & K.H. Modler, The Role of Mechanism Models
for Motion Generation In Mechanical Engineering, p. 109).
27
Visin del modelamiento a partir de la historia de los objetos
28
Luis B. Sanabria R.
29
Visin del modelamiento a partir de la historia de los objetos
Conclusin
Los cinco escenarios se constituyen en un referente para mostrar los cambios
que ha tenido el ser humano en su percepcin del mundo y cmo la evolucin del
pensamiento lo ha llevado a transformar sus modelos conceptuales para generar
nuevas formas de representacin y nuevos dispositivos que le han permitido re-
solver problemas de su entorno. Si se hace un recuento de este recorrido hist-
rico, se puede encontrar que en la antigedad y en la poca medieval no existan
clculos para construir las mquinas; el modelo mental de los humanos se objeti-
vaba en modelos conceptuales premonitorios, a partir de los cuales se diseaban
y se probaban los dispositivos en contextos reales. Con el desarrollo de la ciencia
moderna, empieza a calcularse todo lo que se produce; los modelos de mquinas
son ms precisos y ms funcionales; el modelo conceptual de los individuos no
solamente incluye postulados y descripciones verbales y grficas, sino que adems
incluye la deduccin de frmulas y elaboracin de clculos, aparece la era digital
y la modelacin se realiza en programas computacionales. En general, existe una
transformacin de los modelos anlogos a digitales, proyectndose en la simula-
cin como forma de modelacin que antecede a la construccin del dispositivo.
La historia de las mquinas, desde los pensadores e inventores griegos has-
ta los arquitectos del renacimiento y sus posteriores aplicaciones a travs de la
cinemtica de las mquinas en la ingeniera moderna, ha venido mostrando la
transferencia de la invencin a partir de la relacin entre los modelos menta-
les y los modelos conceptuales. Este proceso inicia con la representacin de la
realidad como referente del modelo mental, y la construccin de modelos con-
ceptuales que surgen a partir de la demostracin emprica.
A partir de las creaciones antiguas se empiezan a observar los intentos del
ser humano para representar el modelo mental en un modelo conceptual ex-
presado en un objeto observable y manipulable. Esta accin ha dado origen a
las modificaciones sucesivas de los modelos conceptuales representados en bo-
cetos y artefactos que han sentado las bases para el desarrollo de la ingeniera.
Con la evolucin del modelamiento de los objetos se ha desarrollado el cono-
cimiento. Muestra de ello es el descubrimiento de los principios matemticos
y fsicos asociados al desarrollo de mquinas y dispositivos que cumplen una
funcin especfica: suplir la necesidad de aplicacin de fuerzas y movimientos
para convertirse en una extensin de las capacidades de los individuos.
El modelamiento crece en importancia a medida en que: a) aumenta la com-
plejidad de la mquina y de los factores que afectan su utilidad o efectividad; b)
aumenta el costo de crear mecanismos que no funcionen como se espera; c) la in-
tervencin de muchas personas en el proceso de creacin de mquinas obliga a dis-
tribuir informacin muy detallada y recibir feedback antes de y durante la creacin
(material) de la mquina.
30
Luis B. Sanabria R.
Referencias
Atkins, J. (2008). Brunelleschi and the Dome of Santa Maria del Fiore. AIAr-
chitec, v. 15, Il Duomo: 1, e. 7. http://info.aia.org/aiarchitect/thiswee-
k08/0725/0725p_duomo.cfm
Brashea, R. (2004). Ramellis Machines: Original Drawings of 16th Century Ma-
chines. Washington D. C.: Smithsonian Institution Libraries.
Castro, A. y Espinosa, A. E. (2005). Leonardo da Vinci: la obsesin por volar.
Revista de Divulgacin de la Ciencia de la UNAM, 74: 26.
Ceccarelli, M. (2009). A Brief Account on Roman Machines and Cultural
Frames. En H.-S. Yan y M. Ceccarelli (eds.), International Symposium on
History of Machines and Mechanisms, Springer Science.
Chavalas, M. W. (2006). The Ancient Near East: Historical Sources in Transla-
tion. Oxford: Blackwell Publishing.
Cheng, P. C-H., Lowe, R. K. y Scaife, M. (2001). Cognitive Science Approa-
ches To Understanding Diagrammatic Representations. Artificial Inte-
lligence Review, 15: 79-94.
Clini, P. (2001). Vitruvius Basilica at Fano: The Drawings of a Lost Building
from De Architectura Libri Decem. The International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences,
Vol. 34, Part 5/W12.
Heath, T. L. (2002). The Works of Archimedes. New York: Dover Publication
Inc.
Hegarty, M., Just, M. A. y Morrison, I. R. (1988). Mental Models of Mecha-
nical Systems: Individual Differences in Qualitative and Quantitative
Reasoning. Cognitive Psychology 20: 191-236.
Jonassen, D. H. (2006). Modeling with Technology: Mindtools for Conceptual
Change. Columbus, Ohio: Pearson Prentice Hall.
Kerle, H., Corves, B., Mauersberger, K. y Modler, K. H. (2011). The Role of Me-
chanism Models for Motion Generation in Mechanical Engineering. En M.
31
Visin del modelamiento a partir de la historia de los objetos
32
Captulo 2
Validacin de modelos
desde la perspectiva epistemolgica
Introduccin
El desarrollo de modelos para la descripcin de un aspecto particular de la
realidad ha estado presente desde las primeras etapas del pensamiento cient-
fico. Ya desde el segundo milenio a. C., culturas como la babilnica, egipcia e
33
Validacin de modelos desde la perspectiva epistemolgica
34
Hugo Franco T.
35
Validacin de modelos desde la perspectiva epistemolgica
Tal reivindicacin del carcter cientfico y del rigor metodolgico del M&S
da origen a conceptos, mtodos, procedimientos y tcnicas relacionadas con la
elaboracin de modelos para simulacin2 correctos y fieles del sistema bajo es-
tudio, de implementacin computacional consistente con el modelo formula-
do y de validacin de los resultados de dicha implementacin en el proceso de
simulacin del modelo. A su vez, los mtodos, procedimientos y tcnicas pro-
puestos en dicho proceso (conocido en el estado de la investigacin del rea
como el ciclo de vida del modelado) deben contar con un soporte epistemo-
lgico que respalde el conocimiento aportado al anlisis y solucin de cada
problema a partir de la aplicacin del M&S.
36
Hugo Franco T.
37
Validacin de modelos desde la perspectiva epistemolgica
38
Hugo Franco T.
Concepto
(modelo para
simulacin)
Se
liza
ref
bo
ier
Sim
Significativamente Referente
(implementacin (sistema del mundo
de simulacin real)
Representa
Figura 3. Adaptacin al M&S del tringulo semitico propuesto por Richards y Ogden (1923).
39
Validacin de modelos desde la perspectiva epistemolgica
40
Hugo Franco T.
41
Validacin de modelos desde la perspectiva epistemolgica
42
Hugo Franco T.
Experimentacin y simulacin
43
Validacin de modelos desde la perspectiva epistemolgica
44
Hugo Franco T.
Es notorio que entre estas estrategias sean frecuentes las relacionadas con el
uso de aparatos de medida. La validez misma de las observaciones es, entonces,
un asunto crtico. En Hacking (1981), se acepta que el uso de dichos aparatos
implica necesariamente la incorporacin en el estudio experimental de la teo-
ra que sustenta el aparato. Es de admitir que el uso de dispositivos de medida
con un grado creciente de sofisticacin es, en la mayora de los casos, inevitable,
dada la necesidad de extender las capacidades sensoriales del ser humano en la
tarea de medir, de manera cuantitativa y con cierto grado de exactitud, los valo-
res de las variables que describen el estado y la evolucin de los parmetros de
inters de un sistema bajo observacin.
Siguiendo la exposicin de Franklin, esta necesidad de contar con mejores
mtodos y equipos de medida implica una extensin del concepto de observa-
cin directa, de manera que incluya explcitamente los supuestos provenientes
de las creencias tericas; tal labor fue abordada por Shapere (1982, p. 492),
quien defini observacin directa sobre el objeto x si: a) la informacin sobre x
es obtenida mediante un receptor apropiado y b) si tal informacin es trans-
mitida desde x hacia el aparato de adquisicin de manera directa (sin inter-
ferencia). En el caso de la experimentacin numrica, inherente a un modelo
matemtico de mayor o menor rigor formal, las observaciones, es decir, los re-
sultados obtenidos, tienen una utilidad anloga en algunos casos, pero con par-
ticularidades distintivas al carcter mismo del M&S, en donde los problemas
de ruido por adquisicin o error sistemtico en la observacin no estn pre-
sentes dado que los datos son obtenidos mediante clculos aritmticos ejecu-
tados por sistemas informticos. De otro lado, aparecen en escena el error por
aproximacin (debido a los mtodos numricos implementados para resolver
ecuaciones y sistemas de ecuaciones), el error debido a la representacin com-
putacional de datos numricos reales (p. ej., error de punto flotante) y el con-
cepto de estabilidad numrica relacionado con ambas fuentes de error.
A pesar de las conocidas limitaciones introducidas por los procesos de di-
gitalizacin (relativas a precisin, estabilidad, aliasing, etc.), diversos trabajos
se aproximan al estudio de problemas del alto grado de complejidad produci-
do por la experimentacin numrica y los comportamientos de sistemas reales
observados mediante tcnicas de medida. Un ejemplo particularmente intere-
sante se encuentra en Schlatter et l. (2011), en el que simulaciones de fluidos
mediante DNS5 reportan patrones de turbulencia (con las complicaciones in-
trnsecas a un fenmeno descrito usualmente como catico) con un alto grado
de cercana cualitativa y cuantitativa a las estructuras observadas en un tnel de
viento (Schlatter, Malm, Brethouwer, Johansson y Henningson, 2011).
45
Validacin de modelos desde la perspectiva epistemolgica
46
Hugo Franco T.
Validacin Verificacin
Simulacin
Figura 4. mbito de ejecucin de las tareas de verificacin y validacin en funcin de las relaciones entre el sistema
del mundo real, el modelo conceptual que abstrae dicho sistema y la implementacin computacional para simulacin
del modelo planteado.
47
Validacin de modelos desde la perspectiva epistemolgica
Dado el carcter estratgico que desde hace tres dcadas empezaron a tener los
estudios y propuestas tecnolgicas y metodolgicas fundamentados en el M&S,
el establecimiento de buenas prcticas de desarrollo de modelos en la bsqueda
de resultados exitosos, tiles y robustos ha cobrado importancia, especialmente
desde finales de la dcada de 1980. Algunos trabajos incorporan propuestas para
la evaluacin de aspectos que van desde tcnicas aplicables a procesos de concep-
tualizacin hasta mtodos de verificacin funcional de las herramientas inform-
ticas desarrolladas que permiten la simulacin del modelo construido.
Problema formulado
El problema
formulado representa no Se comete
adecuadamente el error tipo III
problema
real?
El problema
s formulado
no
se representa en un
modelo creible?
El problema tiene El problema NO
una solucin tiene una solucin
suficientemente creible suficientemente creble
La credibilidad La credibilidad
del modelo se ha no del modelo se ha
certificado?
no certificado?
s s
Fin exitoso Fin con error tipo 1 Fin no exitoso Fin con error tipo II
Figura 5. Errores en el proceso de M&S segn Balci, 1998 (adaptacin de Cadavid (2010, p. 52).
48
Hugo Franco T.
49
Validacin de modelos desde la perspectiva epistemolgica
50
Hugo Franco T.
3. Probar, en todos los casos en los que sea posible, las suposiciones e hi-
ptesis que dan soporte al modelo.
4. En cada iteracin del ciclo del modelado, llevar a cabo al menos la va-
lidacin de apariencia sobre el modelo conceptual empleado.
51
Validacin de modelos desde la perspectiva epistemolgica
Referencias
Alici, S. y Edgar, T. F. (2002). Nonlinear Dynamic Data Reconciliation via
Process Simulation Software and Model Identification Tools. Ind. Eng.
Chem. Res., 41: 3984-3992.
Cadavid, L. (2010). Propuesta para la medicin del ajuste entre las metforas or-
ganizacionales y las herramientas de modelado (tesis de maestra). Univer-
sidad Nacional de Colombia, Medelln.
52
Hugo Franco T.
Peschard, I. (2011, diciembre). Computer Simulation and the Quest for Novel
Epistemic Novelty. 2011 Eastern Division Invited Paper in the Session:
Author Meets Critics: Eric Winsberg, Science in the Age of Computer
Simulation. Washington D. C. EE. UU.
53
Validacin de modelos desde la perspectiva epistemolgica
Turnitsa, A., Padilla, J. J. y Tolk C. (2010). Ontology for Modeling and Simu-
lation. En Proceedings of the 2010 Winter Simulation Conference (pp. 643-
651). Baltimore MD, EE. UU.
54
Captulo 3
El modelamiento en economa
Raul Drachman*
Reuma De Groot**
Introduccin
55
El modelamiento en economa
56
Raul Drachman, Reuma De Groot
57
El modelamiento en economa
baron. Comenzando por una resea breve del papel que cumplen los modelos en
economa, seguimos con una presentacin de la forma en que estos modelos pue-
den clasificarse para permitir un anlisis ordenado de los mismos y un mapeado
ms claro de las relaciones interdisciplinarias que los modelos de cada tipo puedan
tener. Examinamos luego el valor percibido, o esperado, de los modelos econmi-
cos por sus usuarios, los usos comunes de los modelos y sus limitaciones. Cerramos
el captulo con algunas conclusiones, recomendando ciertos nfasis y prioridades al
planear actividades que involucren el diseo y la utilizacin de modelos.
58
Raul Drachman, Reuma De Groot
Evans, 1997) han destacado el papel central que cumple la coherencia lgica
interna en los modelos, ya que esta quizs an antes de considerar la consis-
tencia externa del modelo, en cuanto a si sus resultados se corresponden o no
con las observaciones de la realidad da a esos resultados una validez a priori.
Qu es lo que se simplifica?
El foco de este anlisis es resaltar el hecho de que el modelo especialmente
en economa representa un intento de entender una realidad muy compleja.
El autor del modelo, o quien lo use, deber estar atento a esa separacin o dife-
renciacin entre realidad y modelo. En principio, podra decirse que donde la
realidad sea plenamente comprendida y donde todos los valores de los parme-
tros en juego y las cantidades o medidas sean sabidos, no habr lugar a modelo
como tal. Y aqu probablemente encontremos una diferencia entre la economa
(y otras ciencias sociales) y la ingeniera, tanto a nivel terico como prctico.
En ingeniera y en las ciencias exactas en general existen realidades totalmente
entendidas y explicadas. Referirse a un modelo, en este caso, sera equivalente a
referirse a la realidad, que para entenderla no fue necesario simplificarla. Esto,
como dijimos ms arriba, no se da, o sera muy raro, en economa1. Y tambin
a nivel prctico pueden concebirse problemas o situaciones que la ingeniera
los resolvera en forma total y exacta sin necesidad de ninguna simplificacin
(ni, por ende, de modelo).
El prrafo anterior podra generar alguna pregunta con respecto a la cober-
tura del concepto de modelo. Slo si hay simplificacin este tiene razn de
ser?, no estara esto en contradiccin con lo expresado en el captulo sobre las
mquinas? En la figura 1 se muestra el modelo del shadoof. La realidad mode-
lada all es una palanca con todos sus elementos componentes y actuantes. A
pesar de que esta realidad es 100% comprendida, no hay duda de que ambas
partes (diagramtica y matemtica) de la figura constituyen un modelo. Por un
lado, y aunque no quede en evidencia a primera vista, s hay cierta simplifica-
cin de una realidad compleja en ese modelo; por ejemplo, se desprecia el efecto
del rozamiento que pueda existir en el punto de apoyo. Pero aun ignorando esta
sutileza, el esquema y las ecuaciones all presentadas cumplen una funcin de
modelo, en el sentido de que permiten su uso en lugar de tener que recurrir a la
realidad (es decir, usar una palanca real, material) para evaluar diferentes cons-
telaciones de parmetros o variables. As, por ejemplo, si el largo del brazo x2
fuese el doble de lo que es, sin otros cambios, responder a la pregunta de cunto
1 Una posible excepcin seran los modelos contables, por ejemplo de la contabilidad nacional
(ver ms adelante). Estos modelos no tienen componentes funcionales de comportamiento,
sino slo identidades y sus corolarios inmediatos.
59
El modelamiento en economa
tendra que ser el peso del agua para balancear al contrapeso dado no requerira
construir una nueva palanca con esos datos nuevos, sino simplemente aplicar
el modelo haciendo los clculos necesarios. Nos ahorraramos la construccin
material de un objeto (que en la prctica podra ni siquiera ser viable, por ra-
zones diversas). En este sentido, podemos ver el modelo como un instrumento
til, que provee un servicio importante. Vista de este modo, la simplificacin de
la realidad, tornndose manejable y ms entendible, es consonante con la facili-
tacin posibilitada por el modelo. Ese servicio, en lo esencial, es comn a to-
dos los modelos, incluyendo a los de economa e ingeniera.
P La funcin de demanda,
D S D, est dada por una curva (o
recta, en el dibujo) decrecien-
P0 te, indicando que la cantidad
deseada (demandada) de bi-
P1 cicletas en un perodo dado
(por ejemplo, un mes) y por
Q un pblico y en un lugar de-
0 Q1 Q0 Q2 terminados (por ejemplo, los
Figura 1. Un simple modelo de oferta y demanda. habitantes de Bogot) ser
60
Raul Drachman, Reuma De Groot
menor cuanto mayor sea el precio de las bicicletas. El modelo tambin postula
(con base en un corpus importante de teora econmica) que la cantidad ofreci-
da (ofertada) por los fabricantes de bicicletas en Bogot ser mayor cuanto ms
alto sea el precio de las bicicletas. Como puede verse en el dibujo, hay un precio
P0 para el cual la cantidad ofertada es igual a la cantidad demanda. Un precio
inferior a P0 por ejemplo P1 resultar en un exceso de demanda, Q2-Q1: esa
cantidad de bicicletas no ser posible comprar o vender, en ese mes en Bogot,
dado que el precio es demasiado bajo y slo se producirn Q1 bicicletas. En con-
diciones determinadas como las de competencia perfecta (otro supuesto clsi-
co en economa), algunos de quienes se hayan quedado sin comprar buscarn
la posibilidad de conseguir una bicicleta ofreciendo pagar un precio algo mayor.
Los fabricantes, por su lado, notarn la posibilidad de vender ms bicicletas a un
precio algo mayor a P1 y las producirn. En resumen, este exceso de demanda trae
consigo fuerzas capaces de empujar el precio hacia arriba. Hasta dnde? Hasta
P0. Por qu? Porque para un precio superior a P0 se generara un exceso de oferta,
situacin similar pero opuesta a la anterior que, mediante un razonamiento an-
logo y en las mismas condiciones de competencia perfecta, empujara el precio
hacia abajo. Vemos aqu el significado del par (P0,Q0) como punto de equilibrio
(estable), donde se da la igualdad entre lo que hay y lo que se quiere que haya (y
para el que existen, idealmente, fuerzas que tienden a mantenerlo, mientras no
cambien otras cosas).
61
El modelamiento en economa
Id = I5 Id = I5
0 0
cd + gd = y5 cd + gd = y5
0 0
u* u* 1 1
62
Raul Drachman, Reuma De Groot
Qd = Qd (P, I, E, M, R, ...),
63
El modelamiento en economa
O de esta otra forma, si se considera a todas esas otras variables como fijas y que,
en particular, no se las representar grficamente en forma demasiado explcita:
Qd = Qd I,E,M,R(P).
As, cambios en I, E, M o R movern la curva de demanda (lo que los eco-
nomistas llaman un movimiento de la curva y no sobre la curva), lo cual es
cierto debido al espacio bidimensional usado en la representacin grfica (e
implcitamente asumido mentalmente). El ceteris paribus es decir, el suponer
que en el nterin todo lo dems no ha cambiado es un concepto de aplica-
cin puramente terica en economa y en otras ciencias sociales, pero puede
tener sentido prctico en ingeniera y ciencias exactas. Es posible, por ejemplo,
considerar como realmente fijos una serie de variables o parmetros en un ex-
perimento de fsica, o incluso imaginar condiciones que podran darse natu-
ralmente en ambientes reales determinados (por ejemplo, la falta de resistencia
del aire en el espacio interplanetario). En economa, sin embargo, sera muy
raro o imposible contar con la total fijeza de un conjunto significativo de varia-
bles en cualquier contexto emprico. Posible excepcin seran ciertas variables
de poltica (por ejemplo, la tasa de un impuesto o del inters que paga el banco
central sobre los depsitos de los bancos comerciales, o la cantidad nominal de
dinero en algunas situaciones, etc.), pero aun as, otras variables menos contro-
ladas (pero ajenas al modelo) podran cambiar, haciendo que el anlisis emp-
rico no respetara el ceteris paribus.
64
Raul Drachman, Reuma De Groot
dinero en el banco, para seguridad en las calles, para educacin, para aire fres-
co, etc. y el poder aproximarse a una buena comprensin de estos mercados
mediante algo tan claro y visual como un modelo, es considerado de gran va-
lor en la profesin, y seguramente no solo en ella.
Tipos de modelos
En economa, como en otros campos en los que se hace uso de modelos,
estos se pueden clasificar de acuerdo con distintos criterios. Estas clasificacio-
nes pueden tener un grado variable de importancia o sentido, dependiendo,
entre otras cosas, del objetivo del estudio que se quiera desarrollar. As, podr
haber modelos econmicos estocsticos o no-estocsticos dependiendo de si
las variables utilizadas son deterministas o aleatorias (por ejemplo, si son ge-
neradas en un ambiente experimental controlado o, por el contrario, extradas
de una muestra emprica sobre la que se tiene poco o ningn control); mode-
los empricos y tericos; o modelos clasificados de acuerdo con el foco puesto
en temas tcnicos especficos de la disciplina, como podran ser modelos mi-
cro o macroeconmicos y, dentro de estos ltimos, de economa abierta o ce-
rrada (ver introduccin de este captulo); o modelos de dos generaciones (o
de generaciones parcialmente superpuestas), donde el horizonte de existen-
cia y planificacin de los individuos o entidades se asume confinado a dos pe-
rodos (evidentemente otra gran simplificacin, pero de notoria contribucin
al entendimiento de fenmenos complejos; vase Galor, 1992, y la referencia
de Wikipedia citada al final de este articulo); o modelos de equilibrio gene-
ral, parcial o de no-equilibrio; o modelos (de expectativas) racionales o de ra-
cionalidad acotada o limitada (bounded rationality); o modelos de competencia
imperfecta; o de informacin parcial; modelos contables (que son ciertos por
convencin, ya que estn basados nicamente en identidades de contabilidad
nacional que son ciertas por definicin), etc., etc.
65
El modelamiento en economa
66
Raul Drachman, Reuma De Groot
Los modelos de simulacin, que forman una gran gama, son generalmente de
naturaleza matemtica y en ellos se utilizan computadores para generar escena-
rios de diversa ndole en ambientes controlados. Modelos de simulacin pueden
ser usados tambin cuando no se conozcan los parmetros verdaderos, o cuan-
do se quieran probar diferentes escenarios estocsticos cuya manejabilidad anal-
tica pueda estar fuera de las posibilidades del investigador. Estos modelos hacen
pleno uso de la base computacional de la modelacin y llevan implcito un gran
potencial de creatividad, no slo en cuanto a qu modelar sino cmo hacerlo.
Firms Households
Produce and sell goood Buy and consume
and services goods and service
Hire and use factors of Own and sell factorsof
production production
67
El modelamiento en economa
FB on imports
DE on Porc DE Perc
Income on Demand Shift
DE less imports imports DE Lag Time
investing
Foreign
Balances Recent
DE Ni Weight Income
Exports Ajust Time
Sutro Const
FB on
Experts
Peg Foreign Exchange Rate Income
Adjusts
to Recent
DE on Foreign Accounts
Experts Desired FE FE Policy
Rate Plug Sector
68
Raul Drachman, Reuma De Groot
69
El modelamiento en economa
70
Raul Drachman, Reuma De Groot
Referencias
Allen, R. G. D. (1976). Mathematical Economics (especially Ch.1 [The Cobweb
and Other Simple Dynamic Models]). 2da ed. London: The MacMillan
Press Ltda.
71
El modelamiento en economa
72
Raul Drachman, Reuma De Groot
Muth, J. F. (1961, julio). Rational Expectations and the Theory of Price Mo-
vements. Econometrica, 29: pp. 315-335.
Sargent, T. J. (1973). Rational Expectations, the Real Rate of Interest and the
Natural Rate of Unemployment. Brookings Papers on Economic Activi-
ty, 2.
73
El modelamiento en economa
Internet:
Two-generation models / overlapping generations models Referencias en
Wikipedia (http://en.wikipedia.org/wiki/Overlapping_generations_mo-
del). Usos tpicos: modelos de ahorro y consumo, de deuda nacional y fi-
nanzas pblicas, de seguridad social, de inversin y crecimiento, etc.
74
Captulo 4
La espiral en la formacin
de la competencia de modelado
Introduccin
75
La espiral en la formacin de la competencia de modelado
76
Luis F. Maldonado G., Albert Montenegro Vargas
77
La espiral en la formacin de la competencia de modelado
tuales, hace un anlisis de esa dinmica. Desde la base no verbal, los patrones
de reconocimiento en el cerebro son puntos de referencia para comparar los
arreglos o estructuras de estmulos que se forman como resultado de la estimu-
lacin de nuestro sistema aferente. Entonces, lo que percibimos son estructuras
que se ajustan o no a los patrones de reconocimiento (Grdenfors, 2000). Esto
significa que cada nuevo elemento que se identifica en el entorno se percibe
como elemento de una clase. Vistas las cosas as, la base sensorial es determi-
nante de nuestra construccin cognitiva. Los estudios ya antiguos de estimu-
lacin temprana muestran que hay una influencia positiva entre la variedad de
estimulacin inicial en la poca de la infancia y el desarrollo del cerebro, tanto
en otras especies como en el mismo ser humano.
Se presenta entonces un juego de relaciones entre las entidades o sistemas
perceptibles con base sensorial en el entorno, los patrones de reconocimien-
to y las palabras.
El tringulo de la significacin (Odgen y Ri-
chards, 1923) es un desarrollo que ilustra esta
dinmica de una manera un tanto externa: una
Entidad en el
entidad es referente de una idea modelo men-
entorno referente
tal, la cual se relaciona con un significante siste-
ma de smbolos o modelo conceptual (figura 3).
La palabra tiene propiedades estimulantes
Patrn de
del sistema sensorial, de manera similar al re-
reconocimiento ferente. Esto hace que la palabra en s sea es-
tmulo que puede ser percibido y reconocido
por otro agente perceptor (figura 4). En con-
secuencia, la comunicacin humana basada en
palabras sistemas de smbolos se da cuan-
Palabra do una palabra emitida por un cognoscente es
significante percibida y reconocida por otro mediante sus
patrones de reconocimiento como palabra que
corresponde a uno de sus patrones. Si eso su-
cede, la palabra emitida tiene significado para
Figura 3. El tringulo de la significa- los dos actores de conocimiento en accin. Y
cin. Las entidades en el entorno pueden
tanto los patrones como las palabras actan
estimular la generacin de una imagen
mental en el cerebro de la cual se de- como clases que tienen casos: las entidades en
riva una estructura en forma de palabra el entorno son reconocidas como casos de esas
u otro significante equivalente (Odgen y clases. Esto tiene una consecuencia funda-
Richards, 1923).
mental: reconocemos entidades en la medida
en que tenemos patrones de reconocimiento
y palabras. Cuando nos encontramos con una
78
Luis F. Maldonado G., Albert Montenegro Vargas
La competencia de modelamiento
La competencia de modelamiento, en principio, se puede definir como la
habilidad para desarrollar esta especie de juego. Esto implica un conjunto de
habilidades especficas. La primera de ellas es seleccionar referentes y perspec-
tivas de observacin. Una perspectiva se entiende como la seleccin de un con-
79
La espiral en la formacin de la competencia de modelado
80
Luis F. Maldonado G., Albert Montenegro Vargas
81
La espiral en la formacin de la competencia de modelado
matos tengan ventajas frente a las variables del contexto, el nivel de abstraccin
y la transferencia de la competencia a problemas similares y diferentes.
Para ilustrar esto, recurriremos a un ejemplo, pero antes conviene precisar
que entendemos por caso la presentacin de un referente en un contexto y la
formulacin de una pregunta asociada con una perspectiva o mirada a relacio-
nes en ese contexto. Responder a la pregunta obliga a construir una represen-
tacin, y la capacidad de seleccionar variables, construir perspectivas y formular
preguntas son componentes de la habilidad de modelamiento matemtico. El
siguiente es un ejemplo relativamente sencillo y que se puede presentar bre-
vemente.
82
Luis F. Maldonado G., Albert Montenegro Vargas
83
La espiral en la formacin de la competencia de modelado
Problema
Qu es mejor: apostar por el 11 o
por el 4 cuando se lanzan los dos
dados en una jugada?
Hiptesis Datos
Mi propuesta es que Hiptesis Tengo la duda porque he
la probabilidad de Pienso que da igual porque si los tirado varias veces los
cada nmero se define dados estn bien equilibrados, la dados y no encuentro
como una funcin de probabilidad es siempre igual para que la probabilidad sea la
probabilidad condicional. cada nmero. misma.
Comentario
No pienso que la probabilidad para
un dado se establezca de la misma
manera para dos dados juntos que
para un solo dado.
Figura 8. Segmento de un proceso argumentativo. Los participantes utilizan categoras para hacer sus intervenciones.
Hay un smbolo para el problema, otro para las hiptesis, otro para los datos y otro para los comentarios. La secuencia
constituye el hilo argumentativo que evoluciona para el caso en dos direcciones: probabilidad simple y probabili-
dad condicional.
El juego algebraico
84
Luis F. Maldonado G., Albert Montenegro Vargas
Caras 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
85
La espiral en la formacin de la competencia de modelado
La diagramacin
Cuando se hayan hecho los 100 lanzamientos, la solucin del problema es-
tar dada por la comparacin C4< C11. Si el valor es verdadero, es mejor apostar
por el 11, de lo contrario es mejor apostar por el 4.
86
Luis F. Maldonado G., Albert Montenegro Vargas
87
La espiral en la formacin de la competencia de modelado
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
1 2 3 4 5 6 7 8 9 10 11
Probabilidad dada Probabilidad esperada
Figura 10. Curvas de probabilidad esperada y probabilidad observada con una muestra de 100 eventos, resultado del
programa en MatLab.
88
Luis F. Maldonado G., Albert Montenegro Vargas
89
La espiral en la formacin de la competencia de modelado
Vamos a suponer que la luz amarilla est encendida durante 3 segundos an-
tes de que la luz se vuelva roja. Adems, el ancho de la interseccin es de 15
metros, el tiempo de respuesta promedio humana es 1 segundo, la longitud del
automvil es 3 metros y la desaceleracin del vehculo es 5 m/s2.
Parar: para realizar con xito la maniobra de parada, se debe cumplir que
la distancia de frenado debe ser menor que la distancia disponible to-
tal menos la distancia recorrida durante el tiempo reaccin. Mientras el
conductor decide frenar (1 s), el automvil recorrer 23 1 = 23 metros
de los 65 metros hasta la interseccin. De tal forma, deber frenar antes
de 65 - 23 = 42 metros. Si usamos la relacin de cinemtica:
V V
2 2
V V
2 2
= 2 add =
f 0
f 0
2a
para calcular la distancia de frenado, obtenemos que la distancia de frenado es
2
( 23)
Distancia de frenado = = 53m
2 ( 5 )
As, si no se alcanzara a frenar antes de la esquina, el vehculo se detendr
en la mitad del cruce.
90
Luis F. Maldonado G., Albert Montenegro Vargas
Problema: cmo podra estimar el tiempo que debera durar la luz amarilla
del semforo para que no exista zona de dilema?
Pancho, molesto al descubrir la sin salida de esta situacin, se propone en-
contrar alguna solucin para el dilema y presentarla a las autoridades respon-
sables. De esta manera, caracteriz la situacin as:
Un auto se acerca a la interseccin a la mxima velocidad permitida
( 82.8 Km / h ) . Cuando el vehculo est a x metros de la interseccin,
se cambia el semforo de verde a amarillo. El conductor se ve forza-
do a tomar la decisin de seguir adelante o frenar, y el resultado debe
ser al mismo tiempo legal y seguro: si sigue adelante, el vehculo debe
cruzar totalmente la interseccin antes que la luz cambie a roja; si de-
cide frenar, el vehculo debe detenerse antes de la interseccin.
Definiciones
91
La espiral en la formacin de la competencia de modelado
V V
2 2
2. 232
= ( 23)(1) + = 76
f 0
xc = V0 t r +
2a 2 (5)
3. xc < x0: Existe un lmite claro
en el que se debe parar o se-
guir al aparecer la luz amarilla.
De hecho, existe una zona de
longitud x0 - xc donde el con- Figura 12. Condicin de la solucin.
ductor puede ejecutar cual-
quiera de las dos maniobras.
Un detalle que debemos no-
tar es que en este caso aunque
la duracin de la luz amarilla
es segura podra durar mucho
ms tiempo del estrictamente
necesario (figura 12).
4. xc > x0: Existe una zona de
dilema de longitud x0 - xc.
Un vehculo en dicha zona
que se aproxima a la inter-
seccin al lmite de la ve-
locidad no podr ejecutar
ninguna de las dos manio-
Figura 13. La zona de dilema, en la cual el vehcu-
bras con seguridad ni legali- lo no podr realizar ninguna de las dos maniobras con
dad (figura 13). seguridad.
92
Luis F. Maldonado G., Albert Montenegro Vargas
93
La espiral en la formacin de la competencia de modelado
40
30
20
10
0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Tiempo luz amarilla
94
Luis F. Maldonado G., Albert Montenegro Vargas
Conclusiones
En este captulo se ha presentado la formacin de la competencia de mode-
lamiento desde una perspectiva de la cognicin humana y se ha mostrado con
ejemplos una forma de orientar la prctica pedaggica de formacin de esta
competencia: la relacin entre la percepcin y la formacin de modelos men-
tales, entre estos y la construccin de modelos conceptuales que se expresan a
travs de formas de representacin y de estos con la comunicacin y la cons-
truccin colaborativa de conocimiento.
En este enfoque, la explicacin de un facilitador o la lectura de un texto
son insuficientes para la formacin de la competencia, se requiere del ejercicio
de construccin del modelo conceptual; las cuatro formas de representacin
consolidan la habilidad que integra el modelo mental al conceptual. Nuestro
razonamiento conduce a pensar que las cuatro formas de representacin se
complementan mutuamente, que el conocimiento se desarrolla en una forma
de espiral y que en la medida en que se avanza, el nivel de profundidad de los
aprendizajes es mayor.
La representacin verbal en procesos argumentativos tiene gran potencial
para identificar variables de contexto, desarrollar la capacidad de control sobre
el proceso argumentativo y su calidad y para formar categoras ontolgicas. La
relacin entre categoras ontolgicas con las categoras del dominio de conoci-
miento es de especial potencial en la construccin de conocimiento.
La representacin algebraica tiene especial potencial para identificar re-
laciones estructurales. El nivel de abstraccin es la base para hacer compa-
raciones estructurales. En el hallazgo de isomorfismos y homomorfismos se
establecen las bases para la transferencia de conocimiento.
La representacin diagramtica desarrolla conocimiento sobre procesos y
estrategias de planeacin de procesos y construccin de procedimientos. Es la
base para la construccin de tcnicas de solucin de problemas.
La representacin computacional genera posibilidades de jugar con escena-
rios, analizar soluciones alternativas de problemas y, por lo tanto, es la base del
razonamiento prospectivo.
Referencias
Jonassen, D. H. (2006). Modeling with Technology: Mindtools for Conceptual
Change. Columbus, Ohio: Pearson Prentice Hall.
Llins, R. (2002). El cerebro y el mito del yo: el papel de las neuronas en el pensa-
miento y el comportamiento humano. Bogot, D. C.: Editorial Norma.
95
La espiral en la formacin de la competencia de modelado
96
Captulo 5
La representacin verbal
en el desarrollo de la competencia
de modelamiento matemtico
97
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
98
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Aprendizaje colaborativo
99
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
ceptos e ideas que son discutidas, controvertidas, para llegar a acuerdos que
se reflejan en un modelo. Cuando existe claridad sobre el modelo, termina el
proceso de negociacin. Esta lgica se observa en la solucin de los casos pro-
puestos para el desarrollo de la investigacin sobre modelamiento. Hipottica-
mente, se pensara que el desarrollo de competencias de modelamiento estara
ligado a la capacidad que tiene cada individuo para negociar su posicin frente
a los dems. Esta presuncin sera objeto de investigacin.
100
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Metodologa
Condiciones
Matemticas III 3 50
Universidad Central
Modelamiento y Simulacin 4 25
Matemticas III 3 30
Universitaria de
Investigacin y Desarrollo
Dinmica de Sistemas 9 37
Procedimiento
101
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
Anlisis estadstico
102
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Anlisis de datos
Tabla 2. Uso de categoras ontolgicas en la solucin argumentativa de problemas por universidad y asignatura
Universitaria de Investigacin y
4,96 52,38 15,39 3,30 24,32
Desarrollo - Matemticas III
Universitaria de Investigacin y
1,0 5,4 61,8 16,1 15,7
Desarrollo - Dinmica de Sistemas
103
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
Anlisis de relaciones
Apoyo Oposicin
Asignatura Conexin %
Entradas % Salidas % Entradas % Salidas %
Universitaria de Investigacin y
22,3 17,9 7,5 6,0 46,4
Desarrollo - Matemticas III
Universitaria de Investigacin y
22 21 6 6 45
Desarrollo - Dinmica de Sistemas
104
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
las relaciones neutras podra indicar que los estudiantes no tienen la disciplina
de expresar su opinin tomando el contenido de sus compaeros de una for-
ma crtica, razn por la cual se presenta una mayor dificultad para declararse
en oposicin, pues esto conlleva una mayor necesidad de argumentacin para
defender sus propuestas.
CLSTER DE CONOCIMIENTO
Clculos particulares
105
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
106
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
zacin de unas leyes que no concreta. CLpez propone otra variable referida al
tiempo, la cual, segn l, no aparece en los datos.
Nuevamente aparece WToledo para concretar el tipo de leyes que dej in-
conclusas: se refiere a las leyes de Newton; adems, realiza una pregunta acerca
de qu leyes se van a aplicar. WToledo conecta las dos preguntas con la pro-
puesta, como apoyo de unas con respecto a la otra. Hasta este estado de partici-
pacin, se sigue evidenciando una construccin solitaria de WToledo, mientras
que sus pares de forma paralela tratan de identificar las variables del problema.
En la escena aparece por primera vez MBastidas para proponer una res-
puesta que conecta como oposicin a la pregunta de UCVGonzlez. Nueva-
mente aparece WToledo para concretar con una propuesta la respuesta a su
ltima pregunta: se refiere a la segunda ley. Paralelamente, UCJParra plan-
tea una solucin con un valor concreto que apoya a la primera pregunta de
WToledo; adems, conecta como apoyo su propuesta anterior a la primera
pregunta de WToledo.
A partir de la observacin anterior, el hilo argumentativo se desarrolla de
tal forma que se establece una estructura enmarcada en una frmula, sobre la
cual se conectan otros hilos adyacentes representados en las participaciones del
grupo. Un primer hilo establece la estructura de la solucin al problema, repre-
sentada en la frmula. Un segundo hilo se articula a travs de la prueba de la
estructura, reemplazando las variables por valores. Un tercer hilo presenta una
solucin al problema, corroborando la estructura. En esta lgica, se puede ver
que la evolucin del proceso de modelacin se desarrolla a partir del plantea-
miento de una ecuacin que se va validando en la medida en que otros hilos
aportan a la construccin de una solucin del caso planteado.
107
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
108
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Tabla 7. Anlisis de regresin tomando como variable dependiente la calificacin del examen final. Se toman
como variables independientes el curso, el total de uso de categoras en el primer caso, el total en la solucin
del segundo caso y las frecuencias de cada una de las categoras
109
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
Tabla 8. Correlacin entre uso de categoras y los resultados en las tres evaluaciones. Los valores son signi-
ficativos cuando, con el valor p<0,05, el nmero de casos vlidos es de 119. El curso de Dinmica de Siste-
mas no us la categora informacin
110
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Discusin y conclusiones
Uso de categoras ontolgicas
Contenido de la
intervencin previa
Propuesta Explicacin
(a) (b)
Figura 2. Representacin de los procesos mentales para generar las participaciones Propuesta y Explicacin
Anlisis relacional
111
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
Anlisis de clster
112
Luis B. Sanabria R., David Macas M., Myriam S. Rodrguez, Adriana R. Lizcano D.
Anlisis estadstico
Explicacin 1 0,077132
Propuesta 2 0,036438
Referencias
Alberts, S., Garstka, R., Hayes, R. y Signori, D. (2001). Understanding In-
formation Age. Warfare, Command and Control Research Program
(CCRP) Publication.
113
La representacin verbal en el desarrollo de la competencia de modelamiento matemtico
Gruber, T. (1993). Toward Principles for the Design of Ontologies Used for
Knowledge. Sharing, International Workshop on Formal Ontology in
Conceptual Analysis and Knowledge Representation, Padova, LAD-
SEB-CNR Int. Rep. 01/93. Hillsdale. N.: Lawrence Erlba um Asso-
ciates.
114
Captulo 6
La representacin algebraica
en la formacin de competencias
de modelamiento matemtico
Introduccin
Antecedentes
Importancia de los modelos matemticos
115
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Neumaier (2003), plantea que para la formulacin se debe comenzar con mo-
delos simples, para ir agregando los datos que se consideren necesarios. Se inicia
con la identificacin de las variables, las constantes y las relaciones importantes
que se descubran entre ellas. Esto permite conectarlas mediante operadores mate-
mticos para establecer ecuaciones, desigualdades, funciones, matrices o series de
nmeros, e ir agregando elementos de tal forma que se logre describir matemti-
camente el objeto a modelar.
Regalado, Peralta y Gonzlez
(2008), consideran tres formas de
llegar a un modelo matemtico: la
primera, utilizar una teora acepta-
da por la ciencia sobre el objeto a
representar; la segunda, construir
las expresiones algebraicas a partir
de la observacin directa de los fe-
Figura. 1. Proceso de elaboracin de modelos matemticos
de Gerda de Vries, (2001) nmenos que se modelan; y la ter-
116
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
cera, utilizar ecuaciones que describan un sistema anlogo para derivar de ellas
expresiones algebraicas.
Una vez elaborado el modelo matemtico, este se somete a un anlisis rigu-
roso, para establecer las condiciones en que funciona. En este proceso es im-
portante determinar los lmites y restricciones tanto de tipo cualitativo como
cuantitativo, para evitar interpretaciones inadecuadas (Neumaier, 2003). Para
perfeccionar el modelo, es importante analizar los signos de variables, constan-
tes y datos, e identificar casos extremos. Esto ayuda, no solo a descubrir casos
interesantes, sino tambin a detectar errores.
La aplicacin del modelo en datos reales permite establecer conclusiones
matemticas, es decir, resultados en lenguaje matemtico. Esto conduce a la
comprensin amplia del fenmeno que se estudia y a hacer predicciones sobre
su comportamiento futuro. Estos resultados se validan comparndolos nueva-
mente con datos reales, con lo cual se pone a prueba el modelo.
117
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Metodologa
118
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
119
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Plantilla de anlisis
120
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
Matemticas III
En la asignatura de Matemticas III, correspondiente a Ecuaciones Di-
ferenciales, se tomaron dos grupos experimentales, cada uno con un profesor
diferente. Estos grupos trabajaron con base en dos casos, denominados Pobla-
cin colombiana y Salto con Bungee Jumping, respectivamente.
Caso Poblacin colombiana
Jornada diurna. Todos los estudiantes identificaron las variables y los datos
del caso. En trminos generales los estudiantes plantearon una ecuacin dife-
rencial y encontraron la solucin general por el mtodo de separacin de va-
riables. Para encontrar la solucin particular, utilizaron tres de los dieciocho
datos para construir un sistema de tres ecuaciones y tres incgnitas para hallar
las constantes M, K y C, y as obtener una frmula de la poblacin colombia-
na en funcin del tiempo. Sin embargo, no verificaron si el modelo obtenido
representaba de alguna manera a la poblacin colombiana; solo encontraron la
solucin de la ecuacin diferencial y no interpretaron el resultado. nicamente
un estudiante compar el modelo con datos reales e interpret los resultados,
obteniendo as una solucin a la pregunta planteada.
121
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Jornada nocturna. Todos los estudiantes identificaron las variables y los da-
tos del caso. En trminos generales los estudiantes utilizaron tres de los diecio-
cho datos para construir, a partir de la solucin de la ecuacin diferencial, un
sistema de tres ecuaciones y tres incgnitas para encontrar las constantes M, K
y C y as obtener una frmula de la poblacin colombiana en funcin del tiem-
po. A diferencia del grupo de la jornada diurna, los estudiantes encontraron la
solucin de la ecuacin diferencial sin utilizar Derive; las constantes M, K y C
las obtuvieron resolviendo ecuaciones con la herramienta algebraica Derive y
verificaron si el modelo obtenido representaba de alguna manera la poblacin
comprobando algunos datos dados inicialmente.
Caso Salto con Bungee Jumping
Jornada diurna. El 100% de los estudiantes logr identificar las variables y
los datos del problema, as como el modelo matemtico con las mismas carac-
tersticas que un sistema de resorte-masa sin fuerza exterior que acta sobre el
sistema y la ecuacin diferencial lineal homognea y de segundo orden. El 33%
de los estudiantes aplic la ecuacin caracterstica para encontrar la solucin
general. El 19% de los estudiantes utiliz los datos iniciales para encontrar la
solucin del problema con valores iniciales; sin embargo, todas las respuestas
tienen un error en la interpretacin de un dato inicial. El 38% de los estudian-
tes grafic la solucin de la ecuacin diferencial y resolvi dos de las preguntas
planteadas. El 10% de los estudiantes no logr resolver la ecuacin diferencial.
Jornada nocturna. Todos los estudiantes identificaron las variables, los da-
tos del problema y el modelo matemtico con las mismas caractersticas que un
sistema de resorte-masa sin fuerza exterior que acta sobre el sistema e identi-
ficaron la ecuacin diferencial como lineal homognea y de segundo orden. El
36% de los estudiantes aplic la ecuacin caracterstica para encontrar la solu-
cin general. El 36% de los estudiantes utiliz los datos iniciales para encon-
trar la solucin del problema con valores iniciales. El 28% de los estudiantes no
logr resolver la ecuacin diferencial. Ningn estudiante grafic la solucin ni
interpret los resultados para contestar las preguntas planteadas.
La tabla 1 muestra un resumen de las diferentes correlaciones entre los
componentes de la plantilla de evaluacin y las notas obtenidas por los estu-
diantes en los tres cortes del semestre. En cada celda se muestran los valores
correspondientes a los casos 1 y 2, junto con el total de los dos casos. Solo se
muestran los valores de correlacin que pueden tener alguna interpretacin.
Algunos de los espacios que aparecen en blanco corresponden a los aspectos
en los cuales no se present variacin.
Con respecto a las notas, la tabla muestra valores de correlaciones fuertes
entre la nota alcanzada en el examen final con las variables Pasos correctos,
122
Tabla 1. Valores de la probabilidad de error (p) resaltando los valores de p<0,05, para los casos 1 y 2, y para el total que se obtienen al juntar los dos casos, en el curso de Matemticas III
de la Universidad Central
Frmulas
Nota Examen Promedio al Segundo Primer Variables Datos Preguntas Pasos
MATEMTICAS Casos usadas
definitiva (40%) 60% 30% 30% identificadas identificados identificadas correctos
correctamente
Caso 1 0,841 0,221 0,456 0,755 0,310
Variables
Caso 2 0,736 0,814 0,707 0,522 0,919
identificadas
Total 0,770 0,372 0,704 0,948 0,423
Caso 1 0,324 0,787 0,181 0,453 0,110 0,796
Datos
Caso 2 . . . . . .
identificados
Total 0,346 0,849 0,146 0,445 0,068 0,764
Caso 1 0,881 0,671 0,893 0,926 0,887 0,597 0,939
Frmulas
usadas Caso 2 0,962 0,731 0,793 0,774 0,882 0,000 .
correctamente
Total 0,620 0,389 1,000 0,951 0,940 0,033 0,154
Caso 1 . . . . . . . .
Preguntas
Caso 2 0,853 0,271 0,141 0,337 0,084 0,434 . 0,251
identificadas
Total 0,509 0,446 0,049 0,114 0,080 0,128 0,780 0,154
Caso 1 0,565 0,110 0,640 0,974 0,408 0,000 0,026 0,028 .
Pasos correctos Caso 2 0,152 0,011 0,924 0,576 0,567 0,021 . 0,079 0,000
Total 0,173 0,014 1,000 0,721 0,663 0,001 0,108 0,064 0,001
Caso 1 . . . . . . . . . .
Soluciones
Caso 2 0,413 0,055 0,677 0,858 0,538 0,004 . 0,024 0,000 0,000
encontradas
Total 0,369 0,043 0,692 0,820 0,637 0,066 0,933 0,046 0,000 0,000
Caso 1 0,478 0,156 0,916 0,981 0,824
Eficacia Caso 2 0,374 0,047 0,725 0,959 0,424
Total 0,266 0,043 0,970 0,867 0,782
123
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
124
Tabla 2. Valores de la probabilidad de error (p) resaltando los valores de p<0,05, para los casos 1 y 2, y para el total que se obtiene al juntar los dos casos, en el curso de Modelamiento y
Simulacin de la Universidad Central
Frmulas
MODELAMIENTO Y Examen Promedio al Segundo Variables Datos Preguntas Pasos
Casos Definitiva Primer 30% usadas
SIMULACIN (40%) 60% 30% identificadas identificados identificadas correctos
correctamente
Caso 1 0,030 0,289 0,073 0,323 0,042 0,011 0,001 0,000 0,868 0,000
Soluciones
Caso 2 0,257 0,849 0,062 0,155 0,266 0,138 0,050 0,005 0,000 0,000
encontradas
Total 0,026 0,596 0,014 0,133 0,025 0,075 0,179 0,000 0,036 0,000
Caso 1 0,098 0,412 0,160 0,596 0,026
Eficacia Caso 2 0,253 0,456 0,020 0,176 0,018
Total 0,094 0,904 0,014 0,214 0,003
Modelamiento y simulacin
125
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Matemticas III
126
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
Dinmica de Sistemas
Conclusiones
En cuanto a lo observado en los anlisis de datos de la Universidad Central,
los resultados muestran claramente la importancia de comprender el enunciado
del problema, lo que se ve reflejado en la correlacin presentada entre la identi-
ficacin del problema con las frmulas usadas correctamente, los pasos correctos
y las soluciones encontradas para el caso de matemticas y con todas las dems
variables, incluyendo la nota definitiva, para el caso del curso de modelamiento.
Se aclara que con la eficacia no se calcul puesto que es uno de sus componentes.
127
La representacin algebraica en la formacin de competencias de modelamiento matemtico
Los resultados muestran relaciones sistmicas entre las variables que son la
base para que los docentes puedan orientar eficazmente la experiencia de re-
presentacin algebraica. El sistema de variables es fundamental para organizar
el seguimiento de los procesos de aprendizaje.
128
Jaime Ibez I., Miguel A. Pachn H., Orlando Muoz
Referencias
Camarena G., P. (2009, enero-marzo). La matemtica en el contexto de las
ciencias. Innovacin Educativa, 9(46): 15-25.
129
Captulo 7
La diagramacin en el desarrollo
de la competencia de modelado
matemtico
Introduccin
131
La diagramacin en el desarrollo de la competencia de modelado matemtico
Antecedentes
La solucin de problemas es una capacidad intrnseca de todo sistema do-
tado de cognicin, al punto de ser usada como indicador y medida de la in-
teligencia. Newell y Simon (1959) proponen un solucionador general de
problemas el cual, mediante un algoritmo de bsqueda en un espacio de esta-
dos intermedios alcanzados mediante operaciones a partir del estado anterior,
permitira alcanzar la solucin (estado objetivo) de cualquier problema mate-
mtico definido de manera simblica.
En ese contexto, un solucionador humano de problemas (Newell, Shaw y
Simon, 1958) consistira en un sistema en el cual un agente humano, a partir
de una representacin en estructuras simblicas, llevara a cabo la bsqueda en
el espacio de estados intermedios mediante operaciones escogidas apropiada-
mente para llevar al sistema a un estado de terminacin exitosa. Dada la ex-
plosin combinatoria de estados intermedios posibles, el agente solucionador
se ve obligado a adoptar una estrategia (inicialmente basada en una heurstica
definida a partir del objetivo del problema) para encontrar el camino ms r-
pido al estado solucin.
A partir de la propuesta de Newell y Simon (1972), Mayer (1983) propone
un sistema de categoras para interpretar y formalizar el proceso de solucin
de problemas matemticos desde la perspectiva del procesamiento de informa-
cin, el cual consta de dos etapas:
Traduccin. En esta etapa intervienen los conocimientos de tipo lin-
gstico, semntico y esquemtico.
Solucin. Se desarrolla a partir de la aplicacin de los conocimientos de
tipo operativo y estratgico.
Russell y Norvig (1995) proponen una formalizacin de la solucin de
problemas, en el contexto de la Inteligencia Artificial, basado en la toma de
decisiones de agentes inteligentes para elegir la secuencia ptima de transfor-
maciones del sistema (operaciones) en un espacio posible de estados. As pues,
la solucin de un problema matemtico consta de tres etapas segn el sistema
sobre el cual est definido:
Formular el objetivo.
Formular el problema, en trminos de estados y acciones, especificadas
como operaciones que permiten al sistema pasar de un estado a otro.
132
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
133
La diagramacin en el desarrollo de la competencia de modelado matemtico
tacin como un atributo de los conceptos matemticos que son definidos por
tres variables: la situacin que hace al concepto significativo y til, la operacin
que se puede desarrollar para manejar la situacin y el conjunto de smbolos,
expresiones lingsticas y grficas que se pueden usar para representar las si-
tuaciones y los procedimientos.
Estas teoras tambin sugieren que el proceso de concepcin (simplemente
seguir o ejecutar los pasos mostrados por el profesor) es menos abstracto que
la concepcin de un objeto (la naturaleza del concepto con sus propiedades, re-
glas y comprensin de cmo y por qu funcionan las reglas). As, el proceso de
formacin de un concepto matemtico puede interpretarse como de un nivel
de abstraccin menor que su concepcin como objeto matemtico. Cuando los
estudiantes necesitan reducir el nivel de abstraccin es probable que no hayan
logrado la comprensin del concepto.
La diagramacin de los procesos acta para reconocer las propiedades del
proceso en un nivel superior de abstraccin relacionado con la ejecucin del pro-
ceso de solucin. Desarrollar la diagramacin como paso siguiente a la solucin
algebraica es, en consecuencia, una prctica con mucho significado pedaggico.
Anasuk y Beyranevand (2010) muestran que los estudiantes que eran ca-
paces de reconocer estructuras y relaciones presentes en diferentes formas de
representacin tuvieron mayor capacidad de responder un test estandarizado y,
por otra parte, muchos estudiantes con solvencia en el manejo de smbolos no
mostraron comprensin ni de conceptos ni de procesos.
Adems, Van Essen y Hamaker (1990) prueban que las representaciones
grficas que permiten representar y conectar piezas de informacin facilitan la
conceptualizacin de la estructura del problema y consolidar una base para re-
solver tanto el problema particular como problemas similares. Larkin y Simon
(1987) tambin presentan pruebas que permiten afirmar que los grficos faci-
litan la organizacin de la informacin y ayudan a explicitar informacin im-
plcita en la formulacin del problema.
Por otro lado, Panasuk y Beyranevand (2010) demuestran que hay estudiantes
que pueden desarrollar de manera fluida procedimientos algebraicos y que fallan al
expresar su significado en diagramas, en un estudio que se pregunta por la influen-
cia de diferentes formas de representar las dimensiones estructurales de los pro-
cedimientos matemticos y el desarrollo de su habilidad para resolver problemas.
El uso de diagramas ha sido reconocido como una de las estrategias ms
positivas en el aprendizaje de las matemticas (Hembree, 1992). Sin embargo
aparece una discusin sobre el uso espontneo de diagramas y el uso sistem-
tico exigido en la actividad de aprendizaje por los profesores. Los estudiantes,
134
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
135
La diagramacin en el desarrollo de la competencia de modelado matemtico
Enfoque metodolgico
El proyecto Red de Modelamiento y Representacin formal en Matemti-
cas, al cual nos referimos en este trabajo, tuvo entre sus objetivos el de llevar a
cabo un anlisis detallado del impacto del uso de los modos de representacin
formal (verbal, algebraico, diagramtico y computacional) en el desarrollo de
competencias de modelado matemtico. Para esta labor, se hizo seguimiento
del desempeo acadmico de estudiantes de ingeniera en cursos de Matem-
ticas III (clculo diferencial), Modelado y Simulacin y Dinmica de Sistemas,
con los cuales se introdujo un sistema de formacin que considera las cuatro
formas de representacin mencionadas en la secuencia: discusin argumentati-
va de un caso usando el software Argunaut, solucin algebraica del mismo me-
diante el software Derive, diagramacin del proceso de solucin utilizando el
software DIA y, finalmente, desarrollo de la solucin en el ambiente MatLab.
Los cursos, de contenido esencialmente formal (matemtico y computacio-
nal), relacionados con el desarrollo de habilidades y destrezas para la solucin
de problemas reales en ingeniera, son propicios para el tipo de estudio pro-
puesto en el proyecto, dado que la aproximacin a dichos problemas contempla
un proceso de modelado matemtico riguroso. La mayor parte de problemas
de ingeniera con aplicaciones reales tiene una solucin analtica (longitud del
proceso de solucin, complejidad de las relaciones entre variables), o inexisten-
te (Gordon, 1999). En el contexto de la formacin en competencias bsicas,
transversales a todos los campos de la ingeniera, se requiere, entonces que los
futuros profesionales se formen en competencias para la solucin de problemas
(solucin numrica a problemas mal condicionados, optimizacin, derivacin
e integracin numricas, anlisis espectral en el dominio discreto, etc.). El cl-
culo numrico, en conjuncin con otras reas de las matemticas y las ciencias
de la computacin, permite obtener soluciones aproximadas y, en particular, la
reproduccin de comportamientos complejos en sistemas de inters (simula-
cin), componente fundamental de los procesos de diseo, optimizacin y va-
lidacin de herramientas y procesos en ingeniera (Wang y Shang, 2007).
Cabe agregar que el clculo numrico se facilita con el uso de herramientas
computacionales que permiten la implementacin de cada mtodo o aproxi-
macin especfica a la solucin de un problema, considerando su complejidad,
la precisin de la solucin deseada y la operatividad y duracin del proceso para
conseguirla (iteraciones, tomas de decisiones, nmero de operaciones, presen-
tacin peridica de resultados en simulaciones de sistemas dinmicos, etc.).
Existen en la literatura formalismos que permiten, mediante el anlisis y una
estrategia de solucin, hacer accesible y manejable el proceso de solucin formal
de un problema desde la perspectiva numrica, lo que implica inevitablemente
136
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
137
La diagramacin en el desarrollo de la competencia de modelado matemtico
138
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
Resultados
Resultados cuantitativos
Tabla 1. Anlisis de regresin tomando como variable dependiente la calificacin obtenida en la segunda evaluacin
al 60% del desarrollo del curso y como variables independientes las cajas que contienen texto o ecuaciones en los dia-
gramas presentados por los estudiantes
139
La diagramacin en el desarrollo de la competencia de modelado matemtico
140
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
Se compararon los pasos seguidos por el estudiante con los del profesor.
Con base en la comparacin de los diagramas de los estudiantes con los del
profesor se determin el nmero de pasos acertados. El nmero absoluto de
pasos no mostr relacin significativa con los resultados en la evaluacin. Tam-
poco se encontr relacin con el grado de detalle o especificidad de los dia-
gramas. El profesor asign un valor de calidad de la representacin, y tampoco
se encontr correlacin significativa entre ste y los resultados en el examen.
Se encontr una relacin estadsticamente significativa entre el nmero de
pasos acertados y los resultados en el examen final. El modelo de regresin (ta-
bla 3), muestra un valor F(1,35)=8,2262, con valor p<0,00695 que muestra una
relacin significativa entre las dos variables.
Resultados cualitativos
Los estudiantes representaron de manera grfica el proceso de solucin del
problema usando el software DIA. Se analiz una muestra del 30% de los es-
tudiantes de los cursos de Matemticas III y Modelamiento y Simulacin que
completaron tres representaciones diagramticas, cada una para una unidad
temtica. Los diagramas incorporan cajas que se unen por conectores y con-
tienen estructuras de decisin, expresiones verbales en forma de ttulos o expli-
caciones de procesos y procedimientos, y frmulas matemticas.
Para la realizacin del anlisis cualitativo se tuvo en cuenta el siguiente pro-
cedimiento:
Cada uno de los diagramas se analiz de manera individual. Este proce-
so se realiz a travs de un instrumento de recoleccin de informacin
(ver Apndice)
Se contrastaron las tres representaciones diagramticas elaboradas por
cada estudiante con el fin de determinar los modos de representacin y
los avances en trminos del logro de aprendizaje, contrastado con los re-
sultados cuantitativos de cada corte.
141
La diagramacin en el desarrollo de la competencia de modelado matemtico
142
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
Discusin y conclusiones
Tanto el anlisis de antecedentes como los resultados de esta investigacin
muestran que la diagramacin es una estrategia que se relaciona positivamen-
te con el aprendizaje. Adems, los estudiantes mejoran progresivamente su ca-
pacidad de solucionar problemas mediante diagramas, y la experiencia previa
de solucin algebraica les facilita la diagramacin. La elaboracin espontnea
lleva a algunos estudiantes, especialmente en etapas iniciales, a colocar sim-
plemente los pasos algebraicos en cajas. Si bien esta no es la solucin ideal, s
induce al estudiante a representar la lgica de solucin y en etapas siguientes
desarrolla conceptualizaciones sobre el proceso lgico de solucin. Este razo-
namiento, cuando se traduce en expresiones textuales y ttulos, muestra un ni-
vel de conocimiento superior al algebraico, que se relaciona estadsticamente
con mejores resultados en los exmenes de las diferentes asignaturas con las
cuales se hizo el estudio. Tambin es de notar, como se observa en el curso de
Dinmica de Sistemas, que la cantidad de elementos que se introducen en la
diagramacin en s no se correlaciona con el rendimiento en los exmenes; es,
por un lado, la conceptualizacin sobre el proceso lgico expresado en comen-
tarios verbales y ttulos y, por otro, la eficacia en la solucin del problema, lo
que posibilita aprendizaje.
Nuestros resultados concuerdan con los de Uesaka, Manalo e Ichikawa
(2007) que muestran que la diagramacin requiere de prctica y de entrena-
miento. En los cursos de Matemticas III y Modelamiento y Simulacin, el
entrenamiento en diagramacin no fue tan sistemtico como en el de Din-
mica de Sistemas. Los resultados apoyan la interpretacin de que el entrena-
miento sistemtico puede llevar a convertir la diagramacin en estrategia de
aprendizaje muy eficiente, lo cual hace necesaria la definicin de una metodo-
loga ms sistemtica de formacin de los estudiantes.
143
La diagramacin en el desarrollo de la competencia de modelado matemtico
144
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
Referencias
145
La diagramacin en el desarrollo de la competencia de modelado matemtico
146
Luis F. Maldonado G., Hugo Franco T., Nilson G. Valencia V., Ricardo V. Jaime V.
Apndice
Sesin: 3 Fecha: 16 de noviembre
147
La diagramacin en el desarrollo de la competencia de modelado matemtico
dentro como fuera de las cajas, con lo cual manifiesta una forma de dilogo en-
tre los textos y las expresiones algebraicas durante el desarrollo del problema.
Valoracin. Se evidencia un avance significativo en el modo de represen-
tacin utilizado en este diagrama, en comparacin con los de las sesiones an-
teriores. La representacin elaborada presenta rigor, claridad y un proceder
metodolgico bien interesante. El sujeto hall un modo de representacin dia-
gramtica eficiente. En la transicin de estados del problema, se evidencia la
utilizacin de ciclos o estructuras de decisin, las cuales funcionan ms como
rutas que podran seguirse.
Sntesis. En general, el estudiante con cdigo 1022359676 evoluciona en
su modelo de representacin diagramtica en los tres problemas que resuelve.
El diagrama del tercer caso es el de mejor calidad. Las representaciones que
hace el sujeto se caracterizan por ser medianamente detalladas, lo que lo lleva a
utilizar un nmero no muy amplio de cajas (once cajas en promedio). Incorpo-
ra en sus representaciones expresiones textuales y algebraicas. Llega al estado
solucin en el segundo y en el tercer problema, lo que no ocurre en el primero.
Las nota de los tres parciales del sujeto fueron: 2,5, en el primer parcial; 3,5,
en el segundo parcial; y 3,0, en el tercer parcial. Obtuvo una nota definitiva de
3,0. Los resultados anteriores no permiten demostrar un efecto positivo de la
utilizacin de la representacin diagramtica, pero s se visualiza una curva as-
cendente en trminos del logro acadmico con mayor aumento entre el pri-
mer y el segundo corte. El estudiante est entre el grupo de los estudiantes que
aprobaron el curso, correspondiente al 66%.
148
Captulo 8
Representacin computacional
y desarrollo de la competencia
de modelamiento
Introduccin
149
Representacin computacional y desarrollo de la competencia de modelamiento
Antecedentes
150
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
151
Representacin computacional y desarrollo de la competencia de modelamiento
152
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
153
Representacin computacional y desarrollo de la competencia de modelamiento
154
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
155
Representacin computacional y desarrollo de la competencia de modelamiento
fenmeno del mundo real en el que se han simplificado u omitido algunos ele-
mentos para facilitar el aprendizaje (p. 23).
Marco conceptual
El modelamiento en la educacin matemtica permite que los estudiantes
puedan aprender a: aplicar los conceptos en las situaciones de su mundo real,
desarrollar estrategias para la solucin de problemas y ser crticos en cuanto
a planteamientos de otras personas. De acuerdo a Villa-Ochoa (2009), Bas-
sanezi (2002); Villa-Ochoa, (2007); Blum et l, (2007), de modo general, la
modelacin puede surgir de un problema o situacin del mundo real lo cual
demanda actividades de simplificacin y estructuracin buscando una delimi-
tacin y precisin de la situacin o problema.
Con la recoleccin de datos se provee ms informacin sobre la situacin
y se sugiere el tipo de modelo matemtico que puede ser apropiado para di-
reccionar el problema del mundo real. A travs de un proceso de matematiza-
cin, los objetos relevantes, los datos, las relaciones, condiciones e hiptesis de
la situacin o problema en cuestin se integran resultando as un modelo ma-
temtico a travs del cual se orienta el problema identificado. Para Blum y sus
colaboradores, el proceso de modelacin no finaliza con la obtencin del mo-
delo, sino que, por el contrario, se hace necesario usar algunos mtodos y pro-
cedimientos matemticos (hiptesis matemticas, resultados tericos, solucin
de ecuaciones, estimaciones numricas, pruebas estadsticas, simulaciones, etc.)
para obtener resultados matemticos pertinentes con las preguntas derivadas
de la traslacin del problema del mundo real. Blum et l. (2007) establecen que
dichos resultados matemticos deben ser traducidos nuevamente al contexto
de donde fueron derivados para realizar un proceso de interpretacin.
Finalmente, el solucionador de problemas valida el modelo mediante la
comprobacin de los resultados matemticos y su interpretacin como razo-
nables y compatibles en trminos de la informacin dada en el problema origi-
nal. Cuando el proceso de validacin arroje resultados no satisfactorios todo el
proceso debe repetirse con una modificacin o un modelo totalmente diferen-
te. Por ltimo (si se logra), la solucin del problema original del mundo real, y
cuando proceda, se comunicar a los dems.
El modelamiento puede apoyarse en la representacin con herramientas com-
putacionales; as podr obtener mejores resultados y formas de interpretacin. Por
estas razones, es importante la mencin de Mnera (2002) cuando se refiere al
concepto de representacin como gran complejidad, y admite diferentes posibi-
lidades de interpretacin; es ampliamente aceptada la acepcin en la que se piensa
156
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
la representacin como el acto a travs del cual algo est en lugar de, o evocando
a, otra cosa ausente. Kaput (1987a) propone que toda representacin hace refe-
rencia a dos dominios claramente diferenciados e interrelacionados: el mundo re-
presentante (la representacin, lo simblico) y el mundo representado (el objeto,
el concepto). Tambin propone que la actividad representacional es intrnseca a
la actividad matemtica misma, dado que los objetos conceptuales son abstractos
y no se puede acceder a ellos sino a travs de sus representaciones. La actividad
matemtica misma es impensable por fuera de los sistemas utilizados en la repre-
sentacin. Aparece pues, una unidad indisoluble que plantea que los sistemas de
representacin representan los conceptos matemticos, pero a su vez, los con-
ceptos matemticos se estructuran a partir de los sistemas de representacin. Esta
identidad hace que los sistemas de representacin jueguen un papel fundamental
en los procesos de aprendizaje de las matemticas.
157
Representacin computacional y desarrollo de la competencia de modelamiento
Metodologa
En la presente seccin se describe con detalle la metodologa y estrategias
que se llevaron a cabo en el desarrollo del proyecto Red de Modelamiento y
Representacin Formal en Matemticas; desde el punto de vista del desarrollo
de competencias de modelamiento apoyado en herramientas computacionales.
Se observar que en el desglose del mismo, se destaca el software MatLab de la
empresa Mathworks, como aplicativo que soporta la categora de argumenta-
cin; sin embargo, se utilizaron otras herramientas igual de importantes y que
sern tratadas en el momento de requerirse.
158
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
159
Representacin computacional y desarrollo de la competencia de modelamiento
Tercer momento. Revisin del proceso y solucin del caso por parte del
docente.
160
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
Procedimiento ejecutado
Universidad Central
Nmero Nombre del caso Temtica relacionada con el caso Cantidad de estudiantes participantes
Nmero Nombre del caso Temtica relacionada con el caso Cantidad de estudiantes participantes
161
Representacin computacional y desarrollo de la competencia de modelamiento
Nmero Nombre del caso Temtica relacionada con el caso Cantidad de estudiantes participantes
Nmero Nombre del caso Temtica relacionada con el caso Cantidad de estudiantes participantes
162
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
163
Representacin computacional y desarrollo de la competencia de modelamiento
Identificador Descripcin
Indicador de validez total, corresponde a la relacin entre la sumatoria de los xitos del estudiante
sobre el total de respuestas solicitadas por el docente.
IE Este parmetro es cuantificado as:
En esta figura de mrito, el estudiante con todas las respuesta correctas del caso, en las diferentes
categoras, obtendr un IE=1. A medida que el valor dista de 1 el resultado es ms deficiente.
164
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
165
Representacin computacional y desarrollo de la competencia de modelamiento
Anlisis de resultados
166
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
ciones entre validez en la solucin de los casos y las notas en el examen que
sigui a la solucin del caso no son significativas. Tampoco hay relacin signi-
ficativa con las notas de las evaluaciones posteriores.
Tabla 9. Tabla de correlaciones entre validez y calificaciones
VALIDEZ3 0,24
167
Representacin computacional y desarrollo de la competencia de modelamiento
Tabla 10. Tabla de valores beta, t y p obtenidos en el anlisis de regresin en el curso de Modelamiento y Simulacin
168
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
Conclusiones
Se presentaron diferencias importantes entre los cuatro escenarios de expe-
rimentacin; es decir, entre los cursos de Matemticas III, de Modelamiento y
Simulacin y de Dinmica de Sistemas. No obstante, el estudio estadstico in-
dividual de la validez muestra que en ninguno de los escenarios, los estudiantes
mostraron un nivel adecuado de habilidades para implementacin de progra-
mas de computador. Esta situacin se evidencia a partir de la variable validez
en la representacin computacional, la cual tiene valores muy bajos. Esta espe-
cie de efecto piso explica la baja relacin con las calificaciones del examen final.
Probablemente, la relacin se dara si las habilidades para desarrollar simula-
ciones con el uso del lenguaje de computador estuvieran ms desarrolladas.
Los docentes de las asignaturas indican algunas dificultades adicionales que
se presentaron en las sesiones computacionales de los casos, que probablemente
impidieron el desarrollo de competencias en modelado computacional, como:
Los laboratorios de cmputo no estaban a disposicin en algunas de las
sesiones o se presentaron problemas de red.
La habilidad en programacin de algunos docentes no era suficiente
para hacer un acompaamiento adecuado a los estudiantes.
El conocimiento bsico de los estudiantes sobre las herramientas com-
putacionales utilizadas en el proceso de programacin no fue el adecua-
do, y el entrenamiento proporcionado no fue suficiente para lograr una
competencia tecnolgica mnima, lo que se reflejaba en continuas pre-
guntas sobre la sintaxis en algunas instrucciones, que se suponan ya co-
nocidas.
En algunos casos la deficiencia de las soluciones planteadas en lo com-
putacional estn relacionadas con un desempeo insuficiente en el mo-
delamiento desde lo algebraico y por ende es necesario enfatizar en este
componente del modelamiento matemtico.
Sugerencias
La utilidad de las simulaciones en computador es reconocida en los escena-
rios de la ingeniera, de tal manera que difcilmente se encuentran posiciones
que la rechacen. Sin embargo, tambin es reconocida la dificultad que implica
adquirir la competencia para programar en lenguajes de computador. En nues-
tro enfoque, la representacin en lenguaje de computador de las soluciones a
problemas tiene un valor especial para habilitar la transferencia de soluciones
169
Representacin computacional y desarrollo de la competencia de modelamiento
Referencias
Duarte, C. E.; Lozano, O. A. y Andrade, H. (2000). HOMOS 1.0 Herramien-
ta Software para el Modelamiento y Simulacin Basado en Objetos y Reglas.
Colombia.
170
Albert Montenegro V., Dora J. Alfonso C., Sergio A. Zabala V.
Lpez, M. V., Mario, S. I., Pace, G. J., Petris, R. H. (2000). Desarrollo de mo-
delos de Simulacin en Matemtica. LPM -Laboratorio de Programacin
Multimedial- Departamento de Informtica. Facultad de Ciencias Exac-
tas y Naturales y Agrimensura UNNE. Comunicaciones Cientficas y
Tecnolgicas 2000.
171
Captulo 9
Comunidad web 2.0
para el desarrollo
de competencias matemticas
Caso: proyecto Red de Modelamiento
y Representacin Formal en Matemticas
Introduccin
173
Comunidad web 2.0 para el desarrollo de competencias matemticas
Antecedentes
174
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
175
Comunidad web 2.0 para el desarrollo de competencias matemticas
176
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
177
Comunidad web 2.0 para el desarrollo de competencias matemticas
Caractersticas tcnicas
La comunidad 2.0 se desarrolla en lenguajes de programacin web, utili-
zando PHP y administrador de bases de datos MySQL y apoyndose en una
herramienta de gestin de contenidos CMS (como Joomla). Para el diseo, se
establece una plantilla que garantice la uniformidad y una estructura en tipo-
grafa utilizando CSS.
178
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Alcance
Resumen
Roles finales
179
Comunidad web 2.0 para el desarrollo de competencias matemticas
Restricciones
La web 2.0 est disponible solo para los usuarios que se registran en la p-
gina web 2.0 del proyecto Red de Modelamiento y Representacin Formal en
Matemticas. De acuerdo con el rol asignado en el momento de la inscrip-
cin, el sistema asignar los privilegios de usuario final.
Adicional al desarrollo de la comunidad 2.0 del proyecto, se elabor un plan
para su socializacin que estuvo integrado por dos procesos de difusin: uno
interno con las instituciones acadmicas involucradas, y otro externo orienta-
do a instituciones y organizaciones que forman parte de la comunidad cien-
tfica en el rea de modelamiento, a investigadores en el rea de la enseanza
matemtica, y a estudiantes y docentes de instituciones de educacin superior.
Socializacin de la comunidad
180
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Socializacin interna
Socializacin externa
181
Comunidad web 2.0 para el desarrollo de competencias matemticas
Condiciones previas
Procedimientos
182
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Sesin de clase
Participacin en foros
183
Comunidad web 2.0 para el desarrollo de competencias matemticas
184
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
3. Uso del sitio web como apoyo a las actividades educativas. Esta fase
deber tener en cuenta lo siguiente:
Socializar el procedimiento para el uso del sitio web.
Ofrecer capacitacin sobre el uso adecuado del sitio web a los estu-
diantes, docentes y usuarios de la comunidad.
Presentar las unidades temticas con sus respectivas guas, ejercicios
y casos de estudio, y espacios para formulacin de preguntas y acla-
racin de dudas.
Disponer de herramientas propias que puedan usarse en cada actividad.
Almacenar materiales probados.
Construir indicadores de medicin para evaluar el uso del sitio web
con el propsito de obtener informacin de retorno.
185
Comunidad web 2.0 para el desarrollo de competencias matemticas
186
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Fase 2. Desarrollo del ambiente web para apoyo a los procesos educativos
187
Comunidad web 2.0 para el desarrollo de competencias matemticas
188
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
tacin de las unidades del sistema y optimizar los servicios del sistema a
partir de nuevos requerimientos.
Es recomendable rea-
Anlisis y definicin
lizar un plan de iteracin de requerimientos
compuesto por ciclos, donde
cada conjunto de tareas sea
atendido por la comunidad
de desarrolladores, de forma Operacin Diseo de sistemas
y mantenimiento y de software
que sean ciclos secuenciales
y que, una vez aprobados, se
pongan a prueba; si el resul-
tado es satisfactorio, se pue- Integracin y Implementacin y
de liberar la versin, no sin prueba del sistema prueba de unidades
antes registrar este procedi-
miento en el control de ver-
siones (figura 4). Figura. 4. Ciclo de vida para desarrollo de software
Fase 3. Uso del sitio web como apoyo a las actividades educativas
La interaccin
Si las actividades son colaborativas, el tipo de interaccin hace referencia
tanto a la forma de agrupar a los estudiantes participantes, como a los roles que
cada uno debe asumir en el grupo (Lpez, 2010).
En relacin con la forma de trabajar colaborativamente a travs de internet
con los estudiantes, se identifican cuatro configuraciones bsicas: individual
(estudiante a estudiante), grupal (grupo a grupo), por clase (aula de clase a aula
de clase) o por rol (clase a experto). En el primer caso, cada estudiante se co-
munica con un par de otra institucin educativa; en el segundo caso, se forman
grupos pequeos de 5 o 6 estudiantes y cada grupo se comunica con otro gru-
po afn de otra institucin; en el tercer caso, el aula de clase completa de una
institucin se comunica con otra aula de clase completa de otra institucin; en
el ltimo caso, los estudiantes de toda una clase de una o ms instituciones se
189
Comunidad web 2.0 para el desarrollo de competencias matemticas
190
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
191
Comunidad web 2.0 para el desarrollo de competencias matemticas
192
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Para las buenas prcticas de uso del sitio web, se deben tener en cuenta, en-
tre otros, los siguientes aspectos:
Conclusin
En torno al desarrollo del proyecto Red de Modelamiento y Represen-
tacin Formal en Matemticas se integr una comunidad acadmica con
implementacin de un sitio web 2.0 usando la red Renata; esto permiti la
formacin de una red de estudiantes, investigadores e instituciones educativas
con inters en el tema de modelamiento en las matemticas.
193
Comunidad web 2.0 para el desarrollo de competencias matemticas
El diseo final del proyecto ha permitido, entre otras, las siguientes opciones:
Referencias
Bottino, R. M. y Kynigos, C. (2009). Mathematics Education & Digital Tech-
nologies: Facing the Challenge of Networking European Research
Teams. International Journal of Computers for Mathematical Learning,
14(3): 203-215.
Bravo, O. (2007). Trabajo en colaboracin mediado por las TIC. Caracas: Fed-
eracin Internacional de Fe y Alegra. Consultado el 28 de noviembre
de 2008 en www.feyalegria.org/images/acrobat/libro_trabajo_colabora-
cion_14803.pdf
194
Adriana R. Lizcano D., Dora J. Alfonso, Csar Quintero, Wilfredo A. Gmez
Majid, K. G., O, A. G., Atan, N., Idrus, H., Rahman, Z. A. y Tan, K. E. (2007).
The Videoconferencing Learning Environment: Technology, Interac-
tion and Learning Intersect. British Educational Communications and
Technology Agency.
195
Conclusiones
E ste libro es resultado de un proyecto que tiene como objetivo general eva-
luar el efecto del ejercicio de la representacin en los sistemas formales
(verbal, diagramtico, algebraico y computacional) en el desarrollo de la com-
petencia de modelamiento matemtico, con apoyo de ambientes digitales.
197
El modelamiento matemtico en la formacin del ingeniero
El segundo escenario tiene como insumo los resultados del proceso anterior
y valida la solucin desde la perspectiva algebraica. En la representacin alge-
braica, la comprensin del problema constituye el punto de partida para una
representacin. Los estudiantes exitosos identifican las preguntas claves en la
solucin del problema y las variables con los datos, y a partir de ellas seleccio-
nan las frmulas. Esta solucin formal es el insumo para el proceso de repre-
sentacin diagramtica del siguiente escenario.
198
Conclusiones
199
El modelamiento matemtico en la formacin del ingeniero
200
Conclusiones
201
El modelamiento matemtico en la formacin del ingeniero
202
ndice de autores
A F
Alberts, Garstka, Hayes, & Signori 99 Forrester 133, 138, 147
Alfonso 149, 173, 195 Franklin 44, 45, 52
Alici y Edgar 43
Allchin 42, 52 G
Anasuk y Beyranevand 134 Galor 65, 72
Anderson y Krathwohl 144 Garca Raffi 118
Atkins 24, 31 Grdenfors 78
Gerda de Vries 116
B Gmez 118, 173
Balci 48, 49, 50, 52 Gonzlez et l. 176
Barro y Grossman 57, 62 Gruber 100, 113
Bassanezi 156 Guarino 100, 114
Begg, Fischer y Dornbusch 58
Blomhj y Hjgaard Jensen 10, 13 H
Blum et l 156
Hacking 44, 52
Blum y Borromeo 13
Harris 191, 195
Bravo 194
Heath 22, 31
Brito-Vallina et l. 12
Bunge 34, 52 Hegarty, Just & Morrison, 20, 22
Hembree 134, 146
C Hempel 41, 52
Hilera y Palomar 153
Camarena 117, 129
Hoffman, Feltovich y Ford 10
Castro y Espinosa 26
Holcombe 56, 72
Chavalas 21, 31
Cheng, Lowe, Scaife 22 Holland et l. 11
Clark 98, 113
Clini 24, 31 J
Collins, Brown y Newman, 98 Jonassen 19, 20, 81, 98
Colwell 35, 52 Jordan 10, 16
Coyle 138, 147
K
D Kadijevich 152, 171
Dillenbourg 98, 99, 114 Kaewsuwan 67, 72
Dillenbourg, Schneider y Synteta 98 Kaput 133, 145, 157
Dornbusch 57, 58, 72 Kenneth Boulding 70
Duarte 152, 170 Kerle, Corves, Mauersberger & Modler 23
Durn, Costaguta y Gola 154 Kerle et l. 28
Duval 157 King 24, 25, 29, 32
Kofman 150, 151, 171
E Kolodner & Leak 10
Evans 59, 65, 66, 72 Kuhn 40, 41, 53
203
L Q
Larkin y Simon 134 Quine 77, 79, 96
Laymon 41, 42
Lesgold 13, 17 R
Lesh y Doerr 20 Ramsey 42, 53
Llinas 75 Richardson 140, 147
Lpez 118, 129, 152, 171, 191, 195 Rodrguez 19, 97, 155, 157
Lpez Gmez 118 Roth 135, 145
Lucas 57, 72, 155 Russell y Norvig 132, 142
M S
Maldonado 3, 4, 9, 14, 17, 19, 32, 39, 53, 75, 76, Samuelson y Nordhaus 56
82, 96, 98, 114, 131 Snchez et l. 118
Maldonado, De Groot y Drachman 82 Sargent 37, 51, 53, 57, 73
Mario y otros 153 Schichl 34, 53
Mayer 14, 17, 132 Schlatter et l. 45
Mayorga 155 Schlatter, Malm, Brethouwer, Johansson y Hen-
Mays 20, 21, 32 ningson 45
Mendible 151, 171 Shannon y Johannes 34
Mishkin 57, 73 Shapere 45, 54
Mon 22, 23 Sommerville 188
Moon 26, 27, 28, 32 Sowa 76, 77, 79, 96
Moreno y Mayer 14
Mnera 156 T
Mussa 57, 73
Toms et l. 154
Muth 57, 73
Trigueros 129, 150, 171
Turnitsa, Tolk y Padilla 40
N
U
Narayanan, Suwa y Motoda 135
Uesaka, Manalo e Ichikawa 135, 145
Nelson Nelson, Haan y Thomas 75
Nersessian 19, 32, 52
Neumaier 116, 117 V
Newell, Shaw y Simon 132 Van Essen y Hamaker 134
Newell y Simon 132, 142 Vergnaud 133, 145
Norris et l. 154 Vernon 150
Vigotsky 77
O Villa-Ochoa 156
Von Neumann y Goldstine 137
OCDE 10, 17
Ogden y Richards 39
Oliveira 22, 32 W
OReilly y Manakata, 76 Walsh 58, 73
Walters 57, 73
P Wang y Sun, 14, 138
Weggeman 100, 114
Pace et l. 152
Wolstenholme 138, 147
Panasuk y Beyranevand 134
Patten, y Campbell 75
Pazos 154 X
Peschard 41, 43, 53 Xiang, Kennedy y Madey 49
204
E l presente libro es el resultado de la ejecucin de un
proyecto en el cual experimentamos un escenario de
representacin mltiple: en primer lugar, la participa-
cin sincrnica que estimula el anlisis de contexto, la
adquisicin y organizacin de informacin y la bsqueda
de alternativas a la solucin de problemas de modela-
miento; en segundo lugar, la estructuracin algebraica de
la solucin que se transforma mediante operadores ma-
temticos hasta encontrar una solucin; en tercer lugar,
la representacin diagramtica, que permite fundamentar
comparaciones analgicas y estructurales; por ltimo, la
representacin en lenguaje de computador, que muestra
el algoritmo de la solucin.